气候变化下核废料贮存库长期安全性的动态贝叶斯网络不确定性量化与风险评估

《Reliability Engineering & System Safety》：Dynamic Bayesian Networks for Modelling Chemical Degradation in Concrete Structures of Nuclear Waste Repositories Exposed to Climate Change

本文针对气候变化(CC)对近地表核废料贮存库(NWR)长期性能评估(PA)带来的深层不确定性挑战，提出了一种创新的动态贝叶斯网络(DBN)建模框架。研究整合了耦合模式比较计划第六阶段(CMIP6)的多模型气候预测与物理模型模拟，量化了CC情景不确定性和模型不确定性对混凝土屏障化学降解过程（碳化和氯离子侵蚀）的影响，进而评估其对剂量摄入(DI)安全目标的概率风险。该方法为在深层不确定性下进行稳健的NWR长期安全评估提供了新途径。

　　

随着全球气候变化的持续影响，评估近地表核废料贮存库(Near-Surface Radioactive Waste Repository, NWR)的长期安全性面临着前所未有的挑战。气候变化(Climate Change, CC)会通过改变温度、相对湿度和大气二氧化碳(CO₂)浓度等关键气候变量，直接影响NWR工程屏障（特别是混凝土结构）的化学降解速率，如碳化(Carbonation)和氯离子侵蚀(Chloride Ingress)。这些降解过程会削弱混凝土的保护功能，可能加速放射性核素的迁移，最终威胁人类健康和环境安全。然而，传统的性能评估(Performance Assessment, PA)方法在应对CC带来的深层不确定性（包括未来社会经济路径(SSP)情景的不确定性和气候模型预测的不确定性）时显得力不从心，难以可靠地量化NWR在数十年至数百年时间尺度上的演化风险。

为了应对这一挑战，本研究发表在《Reliability Engineering》上，旨在开发一个综合建模框架，以系统量化CC深层不确定性对NWR长期安全性的影响。研究人员构建了一个动态贝叶斯网络(Dynamic Bayesian Network, DBN)，该网络创新性地整合了来自耦合模式比较计划第六阶段(Coupled Model Intercomparison Project Phase 6, CMIP6)的多模型气候预测数据（表征CC情景和模型不确定性）以及基于物理的混凝土降解模型（模拟碳化和氯离子侵蚀过程）。通过贝叶斯推理方法，该框架将气候预测的认知不确定性（即我们知识的不完备性）和物理模型参数的不确定性进行融合与传播，最终输出关键安全指标——剂量摄入(Dose Intake, DI)超过预定阈值的时变概率，从而为决策者提供更全面、更稳健的风险信息。

本研究采用的关键技术方法主要包括：1）基于CMIP6多模型集合的气候变量（温度、相对湿度、CO₂浓度）投影数据抽取与处理，以表征CC情景和模型不确定性；2）建立物理模型（如碳化深度模型、氯离子扩散-对流模型）来模拟混凝土降解过程，其参数受气候变量驱动；3）构建动态贝叶斯网络(DBN)来整合气候预测和物理模型模拟结果，并量化不确定性在系统中的传播；4）应用贝叶斯更新（特别是狄利克雷(Dirichlet)共轭先验）来学习DBN中条件概率表(CPT)的参数及其不确定性；5）利用容忍区间(Tolerance Interval)来表征和沟通关键输出（如违规概率）的残余不确定性。研究以比利时Dessel的一个近地表NWR为案例，但方法具有普适性。

研究结果

DBN模型结构整合气候与降解过程：研究构建的DBN明确区分了气候变量节点（如温度X_T(τ)、相对湿度X_RH(τ)、CO₂浓度X_CO2(τ)）和模拟的功能演化过程(Functional Evolution Process, FEP)节点（如碳化深度Y_C(τ)、氯离子浓度Y_Cl(τ)）。气候节点的条件概率表(CPT)参数直接从CMIP6多模型集合数据中学习，以保留模型间的差异（即认知不确定性）。而模拟FEP节点的CPT参数则通过物理模型在抽样得到的气候输入下运行产生数据集来推断。这种结构有效地将外部气候驱动与内部系统演化联系起来。

不确定性量化与传播：通过为每个共享社会经济路径(SSP)情景（如SSP1-2.6, SSP2-4.5, SSP5-8.5）建立独立的DBN，并利用狄利克雷先验和贝叶斯更新来估计CPT参数的后验分布，研究量化了源于气候模型差异和物理模型不完备性的认知不确定性。这些不确定性随后通过DBN的推理算法向前传播，最终得到剂量摄入违规概率P_vio(τ)的概率分布，而不仅仅是单一估计值。

案例研究应用与结果分析：以Dessel的NWR为例，研究模拟了在三种SSP情景下，混凝土屏障因碳化和氯离子侵蚀导致的化学降解状态随时间的演变。结果表明，不同的CC情景会显著影响降解进程的速度和程度，进而影响安全裕量。通过计算P_vio(τ)的容忍区间（例如，覆盖概率分布一定比例γ，置信水平为β的区间），研究提供了考虑不确定性的风险演化轨迹，这比传统的点估计更能反映决策面临的真实风险。

结论与讨论

本研究成功开发并演示了一个综合的DBN框架，用于量化CC深层不确定性对NWR长期安全性的影响。该框架的主要优势在于其能够系统性地整合来自不同来源（气候模型、物理过程模型）的不确定性，并清晰地展示这些不确定性如何通过复杂的系统（从气候驱动到工程屏障降解，再到最终的安全目标）进行传播。

研究结论强调，忽略CC不确定性，或者仅使用单一气候模型或情景进行PA，可能会严重低估或错误表征NWR的长期风险。本研究提出的概率性风险评估方法，特别是通过容忍区间来表征风险指标的不确定性范围，为决策者提供了更丰富的信息，支持他们在面对深层不确定性时做出更稳健的决策。例如，决策者可以评估在不同置信水平下，风险超过可接受水平的时间点，或者比较不同工程设计方案在应对不确定未来气候时的相对稳健性。

该研究的意义重大，它不仅为NWR的长期安全评估提供了新的方法论工具，其框架思路也可推广至其他面临类似气候变化挑战的关键基础设施的长期风险分析中。未来的工作可以进一步扩展DBN，纳入更多退化机制（如物理磨损、生物侵蚀）、更复杂的气候-降解相互作用，以及社会经济发展路径对NWR管理和干预策略的影响，从而构建更加全面和动态的风险评估体系。最终，这项研究为在变幻莫测的气候未来中，保障核废料的安全隔离贡献了重要的科学依据和决策支持。